이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

Deep Learning Toolbox 시작하기

심층 학습 네트워크 생성, 분석 및 훈련

Deep Learning Toolbox™는 알고리즘, 사전 훈련된 모델 및 앱을 사용하여 심층 신경망을 설계하고 구현할 수 있는 프레임워크를 제공합니다. 컨벌루션 신경망(ConvNet, CNN)과 장단기 기억(LSTM) 네트워크를 사용하여 이미지, 시계열 및 텍스트 데이터에 대해 분류와 회귀를 수행할 수 있습니다. 앱과 플롯은 활성화를 시각화하고, 네트워크 아키텍처를 편집하며, 훈련 진행 상황을 모니터링하는 데 도움을 줍니다.

소규모 훈련 세트의 경우, 사전 훈련된 심층 네트워크 모델(SqueezeNet, Inception-v3, ResNet-101, GoogLeNet 및 VGG-19 포함)과 TensorFlow™-Keras 및 Caffe에서 가져온 모델을 사용하여 전이 학습을 수행할 수 있습니다.

대규모 데이터셋에 대한 훈련 속도를 높이려면 데스크탑의 멀티코어 프로세서와 GPU에 계산 및 데이터를 분산하거나(Parallel Computing Toolbox™ 사용), Amazon EC2® P2, P3 및 G3 GPU 인스턴스를 포함한 클러스터와 클라우드로 확장할 수 있습니다(MATLAB® Parallel Server™ 사용).

튜토리얼

얕은 네트워크

추천 예제

온라인 학습

Deep Learning Onramp
실용적인 심층 학습 방법에 대한 대화식 소개를 제공하는 무료 심층 학습 튜토리얼입니다(2시간). MATLAB에서 이미지 인식을 위해 심층 학습 기법을 사용하는 방법을 배우게 됩니다.

비디오

전이 학습을 위해 대화형 방식으로 심층 학습 네트워크 수정하기
심층 네트워크 디자이너는 심층 신경망을 만들거나 수정할 수 있는 포인트-앤-클릭 툴입니다. 이 비디오는 전이 학습 워크플로에서 이 앱을 사용하는 방법을 보여줍니다. 가져온 네트워크의 마지막 몇 개의 계층을 명령줄을 사용하지 않고 툴을 사용하여 간편하게 수정하는 방법을 보여줍니다. 네트워크 분석기를 사용하여, 수정된 아키텍처의 연결 오류와 속성 할당을 확인할 수 있습니다.

MATLAB을 사용한 심층 학습: MATLAB 코드 11줄로 시작해 보는 심층 학습
MATLAB과 간단한 웹캠 및 심층 신경망을 사용하여 주변의 사물을 식별하는 방법을 알아봅니다.

MATLAB을 사용한 심층 학습: MATLAB 코드 10줄로 시작해 보는 전이 학습
전문가들이 만든 심층 학습 네트워크를 사용자의 고유한 데이터나 작업을 위해 MATLAB에서 전이 학습을 사용하여 다시 훈련시키는 방법을 알아봅니다.